【摘 要】
：
注意力与学生的学习效率紧密相关。注意力是一种复杂的认知能力,仅仅通过神态、眼睛等外部特征难以判断认知功能是否发挥作用。脑电信号作为一种能够反应个体的思维状态的电信号,为注意力水平识别提供了一种新的可能。然而基于脑电信号的注意力水平识别仍有一些问题有待解决,如目前对注意力的研究多数停留在两级注意力上;传统的注意力识别仅通过单一特征刻画注意力水平,分类率并不理想。针对以上问题,在前人研究成果的基础上,
论文部分内容阅读
注意力与学生的学习效率紧密相关。注意力是一种复杂的认知能力,仅仅通过神态、眼睛等外部特征难以判断认知功能是否发挥作用。脑电信号作为一种能够反应个体的思维状态的电信号,为注意力水平识别提供了一种新的可能。然而基于脑电信号的注意力水平识别仍有一些问题有待解决,如目前对注意力的研究多数停留在两级注意力上;传统的注意力识别仅通过单一特征刻画注意力水平,分类率并不理想。针对以上问题,在前人研究成果的基础上,本文主要完成了如下工作:首先,设计实验进行数据采集。本文基于注意力“倒U模型”理论,设计了两种注意力任务与两种非注意力任务,通过调整任务难度,来诱发被试处于不同程度下的注意力状态,并结合主观量表保证数据的可用性,最终获得来自14位被试者的四种不同注意力水平的有效脑电信号用于后续研究。其次,使用CEEMDAN-PE结合小波阈值去噪的方法,剔除信号中包含的噪声。使用CEEMDAN算法获取不同频率的IMF分量,并通过IMF分量的排列熵确定含有高频噪声的分量,不同于传统方法中直接去除含噪分量的做法,本文使用小波阈值去噪方法处理含噪分量,与不含噪声的分量共同参与重构。此方法在相关系数、均方根误差、信噪比三种指标上均优于传统方法。最后,对去噪后的四类样本提取时域、非线性、能量比共10种参数作为特征,将过滤式和封装式两种互补的特征选择算法结合,提出一种Relief F-MI结合RFECV的混合式特征选择算法,可以去除无关特征和冗余特征。通过这种方法,减少了特征维度,节省了计算成本,并且提高了识别率。最终将特征向量从100维降为36维,同时在SVM分类器上的准确率由85.2%提升到了91.7%。
其他文献
总所众知,电力变压器在整个电力系统占据举足轻重的地位。目前国内大型电力变压器主要为油浸式,其内部在某些情况下可能会有空气进入,例如在一些生产出厂或者高负荷运行的场合,当电力变压器中的绝缘油与一些绝缘材料长时间与空气接触后,可能会发生劣化现象,造成产生故障的隐患,所以难免会出现一些故障。当故障发生时,电力变压器绝缘油中将会产出一些故障气体,然而不同的故障气体往往对应着不同的故障类型,且不同的故障之间
近年来,图神经网络（Graph Neural Networks,GNN）已成功的广泛应用于生物医药、系统建模、推荐系统、文本分类、社交网络等当今时代重要的各项领域。随着人工智能应用的不断发展,图结构数据库的规模也越来越大,如何对大规模图结构数据库进行有效训练,是图神经网络发展面临的重要挑战。本文首先采用随机游走图采样算法以随机游走的方式形成多批次子图,以解决大规模图结构数据库的训练复杂度问题,同时
作为人机交流的桥梁,基于脑电图（EEG）的脑机接口（BCI）旨在将大脑活动直接解码为不同的控制命令,该技术在多个领域大放异彩。近年来过劳死报道频出,工程施工过程中因疲劳施工而导致的死亡人数逐年上涨,因此找到一种高效、便捷的疲劳检测方法成为工程施工安全研究的重点方向。同时,在医疗康复领域,脑电信号也有广泛应用。比如医学康复治疗瘫痪患者和脑控机器人中,通过解码脑电信号,可以分析其中的运动想象信息,实现
由于照明强度以及数字设备动态范围的约束,拍摄的照片通常会出现能见度低、对比度不高和噪声放大等退化现象,这种低质量图像不仅视觉效果不佳,而且难以支持后期高级的计算机视觉任务。针对以上问题,本文在传统方向,基于Retinex模型的局限之处,提出了基于Retinex的纹理结构感知的非均匀光照图像增强算法;在深度学习方向,基于Retinex-Net网络模型存在的色彩保真度低以及放大噪声等缺点,提出了改进R
表格结构识别是文档识别（Document Recognition）领域中一项基础且具有挑战的任务,目的是获取单元格的结构信息。最近,深度学习已经成为解决表格结构识别的主流方法,通过训练神经网络得到最佳的拟合模型。基于深度学习的表格结构识别有两种主要算法,分别是识别表格行与列算法和识别表格框线算法。识别表格行与列算法通过获取表格的行与列来识别表格结构,现有的有效方案是使用语义分割（Semantic
图像增强是计算机视觉及图像处理领域的一项重要研究内容。由于成像所处环境的不同,在夜间、背光、雾霾以及水下等条件下由图像采集设备采集到的图像通常为不同程度损坏的低质量图像。对低质量图像进行增强处理可以提升图像的整体色彩,凸显图像中物体的细节特征,以此提高图像质量,为后续高级视觉任务提供有效的数据质量保证。本文主要针对自然场景低照度图像及水下场景降质图像进行研究,根据这两类低质量图像的不同特征,开展的
雷达信号识别技术在军用和民用领域应用广泛,尤其在军事场景中,在现代电子对抗中发挥着重要的作用,是非常具有挑战性的问题。在深度学习技术快速发展的同时,基于深度学习的雷达信号识别技术也取得了非常大的进展,相对于传统的识别方法,在整体性能上有很大的提升,但是在识别精度不断提升的同时,神经网络的深度不断加深,参数量也更加冗余,导致对硬件机器的算力要求日益增大,难以在边缘终端设备上应用,所以设计出高效精简的
在量子力学基本原理保证下,量子密钥分发使合法用户Alice和Bob能够在Eve窃听情形下获取安全密钥,其安全性已得到严格证明,且目前已成为可实用的一种量子技术。光子是量子密钥分发过程中的一种常见的信息载体,其在分发过程中由于信道噪声会丢失从而导致量子密钥分发的安全密钥率存在着上界,该上界也被称为PLOB界。然而,双场量子密钥分发（Twin-Field Quantum Key Distributio
自动调制识别是非合作通信系统中非常关键的一种技术,被广泛应用在军用和民用等诸多领域,具体是在部分或全部通信参数未知的情况下,对接收信号的调制类型进行分类识别,从而有助于后续信号解调等相关信号处理工作,最终提高通信系统的性能。随着日益复杂多变的通信场景,以往很多研究中假设的高斯分布加性噪声已经不再满足实际信道环境的准确描述。实际中,由于飞机、火车等现代交通工具的高速移动,在其中的用户进行通信时会导致
随着物联网的普及和5G应用的发展,越来越多的图像数据被产生和收集。为了有效地对这些数据进行处理,研究者们对计算机视觉下的图像分类、目标检测、图像分割和目标跟踪等各个子领域都进行了深入研究与探索。多目标跟踪是从连续的图像帧中得出所有感兴趣目标的轨迹,其广泛应用在自动驾驶、人机交互和机器人视觉导航,近年来受到越来越多的关注。由于多目标跟踪目标数量的随机性、跟踪背景的复杂性、目标间的遮挡等多种因素的干扰